发际线总和我作队——Beta冲刺总结
| 这个作业属于哪个课程 | 2501_CS_SE_FZU |
|---|---|
| 这个作业要求在哪里 | 团队作业—Beta冲刺 |
| 这个作业的目标 | Beta冲刺总结随笔 |
| 其他参考文献 | 无 |
目录
- 1 项目完成情况
- 1.1 预期计划完成情况
- 1.2 改进计划完成情况
- 2 过程与协作
- 3 项目成果展示
- 4 AI技术员
- 5 成员贡献度
1 项目完成情况
1.1 预期计划完成情况
| 计划任务 | 完成状态 | 完成度 | 具体完成情况与描述 |
|---|---|---|---|
| 学生模块剩余功能 | 已完成 | 100% | 学生选课、退课、查看课表等功能已全部实现并稳定运行。 |
| 教师模块核心功能 | 已完成 | 100% | 教师课程列表、成绩录入功能已全部实现并稳定运行。 |
| 时间冲突检测 | 未完成 | 0% | 要求完成学生在选课时,系统能准确检测并提示与已选课程的时间冲突。由于是后期增加的需求且组内交流不够清晰,忘记将这一项增加进任务列表中,因此未完成。 |
| 前后端全面联调 | 已完成 | 100% | 完成了学生、教师、管理员三大角色的全流程贯通测试,修复了数十个集成Bug。 |
| 系统性能与优化 | 已完成 | 100% | 优化了SQL和缓存,提升了课程列表接口性能。 |
| UI/UX 优化 | 未完全完成 | 60% | 加载状态、错误提示、响应式布局已全面优化。未完成项:用户使用调查中发现的问题未能完成。 |
1.2 改进计划完成情况
| 改进计划 | 完成状态 | 完成度 | 具体完成情况与描述 |
|---|---|---|---|
| 选课开关控制 | 已完成 | 100% | 支持管理员选择是否开启或关闭某课程的选课和成绩录入。 |
| 选课并发控制 | 未完成 | 0% | 使用Redis锁实现并发控制,组内成员对这方面都不怎么了解,没能成功实现。 |
| 成绩权重自定义 | 未完成 | 0% | 需支持教师自定义所授课程的平时成绩和考试成绩占比,一开始没有考虑到,所以课程数据表还要再加上权重属性,很多代码要一起更改,细节太多,更改起来十分繁琐,未能完成。 |
2 过程与协作
Beta阶段的七天,是高度浓缩的、痛并快乐着的七天。
从“各自为战”到“协同攻坚”:在冲刺初期,前后端开发仍存在一些理解偏差。但到了中后期的联调阶段,我们建立了极强的默契。一个Bug出现,前后端同学会立刻坐在一起,共同查看日志、分析代码,而不是互相“甩锅”。我们学会了“我们”的问题,而不是“你”或“我”的问题。
测试驱动质量:测试同学在本阶段发挥了巨大价值。他不仅是Bug的发现者,更是质量的倡导者。他提交的每一份清晰的测试报告,都为我们指明了修复和优化的方向,让我们的工作有的放矢。
成员心得体会:
- 黄秋玥:教师和管理员后台的页面,就像是由无数表单和表格构成的迷宫。我深入使用了Element Plus的高级组件和Vue的递归组件,把重复的代码抽象出来。现在回头看,我搭建的不仅是一个界面,更是一套可维护的前端架构。
- 蔡雨晞:我不再是那个只会手动点点的‘点击工程师’了。我学会了用Postman写自动化脚本。当自动化测试脚本成功捕捉到一个隐藏极深的边界条件Bug时,我感受到了工具的力量。每测出一个Bug的时候我都很有成就感。
- 张青青:以前我只关心功能能不能实现,现在我会为一个按钮的点击效果纠结半天。这次完整的项目开发体验真的让我真正理解了什么是“用户体验”。通过Vue 3的Composition API,我把课表组件的状态管理做得更精细了,看着操作流畅的页面,成就感比写完一个复杂逻辑还要大。
- 叶润升:Redis锁的实现是我在技术上遇到的一个重大难点。从最初的一点都不了解,到现在有了模糊的概念,我一直在进行学习,虽然还是没能帮助团队攻克这个难关,但是我一定会继续学习下去,直到能够熟练掌握这门技术,在今后再次遇到时可以从容地解决它。
- 梁佳:从‘它能跑’到‘它跑得又快又稳’,是我在Beta阶段的追求。我沉迷于SQL优化,给数据库加索引、重构查询语句,看着接口响应时间从四位數降到三位數,这种快感很纯粹。我对‘性能’二字有了敬畏之心。
3 项目成果展示
经过Alpha阶段以及此次Beta阶段的奋战,一个功能完整、运行稳定的选课管理系统现已上线!
项目访问链接: 课程管理系统:http://110.42.60.152:90
测试账号:
学生账号:
用户名: 102300331
密码: 123456
教师账号:
用户名: 3426
密码: 123456
管理员账号:
用户名: zhangsan
密码: 123456
系统运行截图展示(仅展示部分核心功能):
学生选课流程
展示学生登录->查看课程列表->成功选课->课表即时更新的完整流程






教师成绩录入
展示教师登录->进入成绩录入页面->点击“打分”->在弹窗中填写分数并成功提交





管理员后台管理
展示管理员对课程信息进行编辑等操作







4 AI技术员
在本阶段,DeepSeek扮演了不可或缺的“技术员”角色,具体体现在:
- 快速生成解决方案,攻克技术难点
场景:在实现Redis分布式锁时,后端A对如何防止锁超时后误删其他请求的锁感到困惑。
AI的贡献:后端A向AI描述了问题场景。AI立即提供了基于唯一标识(如UUID)判断锁持有者的解决方案,并给出了示例代码。这直接帮助我们解决了并发控制中最关键的一个技术陷阱,节省了大量的查阅资料和试错时间。 - 自动化脚本的“即问即得”
场景:测试同学需要编写一个SQL脚本,用于在测试前清空并初始化特定的数据库表。
AI的贡献:测试同学用自然语言描述需求:“写一个SQL脚本,清空student_course表,并将course表的select_count重置为0。” AI在秒级内生成了准确、安全的脚本。这使得测试数据准备工作的效率提升了数倍。 - 代码优化与解释
场景:后端B发现一个复杂的联表查询速度很慢,但不确定如何优化。
AI的贡献:将SQL语句提交给AI,并指令“请分析并优化此SQL查询,并解释原因”。AI不仅给出了添加索引的建议和优化后的SQL,还详细解释了执行计划,这成为了一次生动的数据库性能调优课。
5 成员贡献度
| 学号 | 工作内容 | 贡献度 |
|---|---|---|
| 102300401 | 测试、演讲答辩 | 20% |
| 102300402 | 教师模块课程列表、学生模块课程表等页面、撰写博客 | 21% |
| 102300307 | 教师模块成绩录入、学生模块成绩查询等页面、制作答辩ppt | 22% |
| 102300331 | 选课、退课、成绩查询、课程表等接口 | 19% |
| 102300303 | 课程列表、成绩录入等接口 | 18% |
相关推荐
JEP30-PX100A PartModel Product Guidelines for Electronic-Device Substrates and Assemblies – XML Requ
JEP30-PX100A PartModel Product Guidelines for Electronic-Device Substrates and Assemblies – XML Requirements
基于Matlab的自动睡眠粒状结构检测算法,从脑电信号中进行。.zip
1.版本:matlab2014a/2019b/2024b 2.附赠案例数据可直接运行。 3.代码特点:参数化编程、参数可方便更改、代码编程思路清晰、注释明细。 4.适用对象:计算机,电子信息工程、数学等专业的大学生课程设计、期末大作业和毕业设计。
JEP375 2.5D_3D Silicon thinned wafers with Through Silicon Vias (TSV’s) and Backside Redistribution
JEP375 2.5D_3D Silicon thinned wafers with Through Silicon Vias (TSV’s) and Backside Redistribution Layer (RDL).pdf
考虑供电可靠性与算力柔性的数据中心园区源‑储‑荷一体化规划研究(Matlab代码实现)
考虑供电可靠性与算力柔性的数据中心园区源‑储‑荷一体化规划研究(Matlab代码实现)内容概要:本文围绕“考虑供电可靠性与算力柔性的数据中心园区源-储-荷一体化规划”展开研究,提出了一种综合能源系统优化规划方法。该方法充分考虑数据中心对供电可靠性的高要求以及算力负载的灵活性特征,将电力供应、储能配置与计算负荷进行协同优化。通过建立数学模型,整合光伏发电、储能系统与数据中心负荷调度,利用Matlab代码实现优化求解,旨在提升能源利用效率、降低运营成本并增强系统韧性。研究涵盖了对新能源出力不确定性、负荷波动以及储能动态行为的建模与仿真分析,最终验证了所提一体化规划方案在提高供电可靠性和实现算力资源柔性调度方面的有效性。; 适合人群:具备一定电气工程、能源系统或计算机科学背景,从事数据中心、智能电网、综合能源系统等相关领域研究的研究生、科研人员及工程技术人员。; 使用场景及目标:① 为数据中心园区的绿色低碳与高可靠运行提供规划设计方案;② 实现可再生能源的高效消纳与储能系统的优化配置;③ 探索算力作为柔性负荷参与电力系统互动的潜力,支撑新型电力系统建设。; 阅读建议:此资源以Matlab代码为核心,辅以理论模型,建议读者在理解基本原理的基础上,动手运行和调试所提供的代码,通过修改参数和场景设置来深入掌握一体化规划的优化逻辑与关键技术细节。
歌曲爆款传播预测数据集10000首曲目Spotify音频特征机器学习
本数据集为合成音乐数据,包含2010至2025年间10000首曲目的Spotify风格音频特征与明确的爆款(viral)目标标签。现有音乐数据集常缺少可用建模目标或存在授权限制,本数据集提供了干净、字段完整、可直接用于监督学习的基准语料。字段涵盖节奏、能量、可舞性、声学度、效价等音频属性,以及曲目元数据与年份信息,目标列viral基于传播表现定义,可直接用于二分类建模。适合开展爆款歌曲预测、音频特征与传播关系分析、年代音乐风格演变可视化、特征重要性排序等分析任务,也可作为分类、回归与特征工程教学的演示数据。数据结构清晰、无缺失值,适合数据科学课程、音乐媒体分析与推荐算法原型验证使用。


